the origin of AI

一切真正开始于 1950 年代。那时候计算机才刚出生没几年，一群年轻人——Alan Turing、John McCarthy、Marvin Minsky、Allen Newell、Herbert Simon 这些人——突然冒出个大胆的想法：能不能造一台机器，让它表现出“智能”？1956 年，他们在达特茅斯学院开了个夏天研讨会，直接把“人工智能”这个词发明出来了。那会儿的乐观情绪高得离谱：有人说“20 年内就能解决所有智能问题”。他们相信，只要把逻辑、搜索、符号处理这些东西装进计算机，就能模拟人类思考。于是 第一个 AI 热潮（1956–1973）开始了。成果还真不少：逻辑理论家证明了数学定理、通用问题求解器 Shakey 机器人能在房间里晃悠、ELIZA 这个聊天程序居然能骗人觉得它懂心理学。但问题也很快就来了：这些系统只能在非常窄、非常结构化的玩具世界里玩得转。一遇到真实世界的复杂性、模糊性、不确定性，它们就卡壳了。计算资源也跟不上，内存小、速度慢。到了 1973 年，英国 Lighthill 报告一锤子砸下来，说 AI 基本没戏，美国和英国的资助大幅缩水——第一个“AI 冬天”就这么开始了。70 年代到 80 年代初，AI 低调了好一阵子。但没完全死掉。有些人悄悄转向了 专家系统（expert systems）。想法很简单：别再试图让机器自己“思考”了，直接把人类专家的知识一条一条编码进去，做成 if-then 规则库。MYCIN 诊断细菌感染、DENDRAL 分析化学分子、XCON 帮 DEC 公司配置电脑订单——这些系统真的在某些领域赚了钱、帮了大忙。80 年代中期，日本的第五代计算机计划和美国 DARPA 的战略计算计划又把钱砸进来，专家系统公司如雨后春笋一样冒出来。可好景不长。到 80 年代末，大家发现：规则写得再多，也写不完现实世界的全部例外；维护知识库贵得离谱；新情况一来，系统就崩溃。最要命的是，专家自己常常说不清“为什么”这么判断。于是第二个 AI 冬天又来了（1987–1993），资金撤退，公司倒闭，很多人以为 AI 这事儿彻底凉了。但就在冬天里，有几条暗流在悄悄流动。一条是 神经网络。它其实 50 年代就有（感知机），但因为 Minsky 和 Papert 1969 年那本《Perceptrons》把单层网络批得体无完肤，大家都觉得它没戏。80 年代中期，Rumelhart、Hinton、Williams 重新发明了反向传播，多层网络开始复活。Yann LeCun 搞出了卷积神经网络，能认手写数字了。但那时候计算力不够，数据也不够，大家还是觉得“神经网络太慢、太黑箱”。另一条暗流是 概率方法和机器学习。Judea Pearl 的贝叶斯网络、统计学习理论、支持向量机这些东西开始冒头。它们不像符号 AI 那么刚愎自用，而是承认世界有不确定性，愿意从数据里学。然后 1997 年出了个事儿，让很多人重新抬起头：IBM 的深蓝（Deep Blue）下棋打败了世界冠军卡斯帕罗夫。那不是神经网络，是暴力搜索 + 手工特征 + 评估函数。但它告诉大家：专用系统在特定任务上，是真的可以超过人类的。真正的转折点来得晚一些——2010 年代初。GPU 的出现让训练深层神经网络突然变得可行；ImageNet 大规模数据集公开；AlexNet（2012）在图像识别比赛上把错误率砍了一半多。大家突然意识到：只要数据够多、计算力够强、层数够深，神经网络的性能就能指数级飙升。这就是所谓的“深度学习革命”。从那以后，AI 进入第三个春天，而且是前所未有的热潮：

• 2014–2016：生成对抗网络（GAN）、AlphaGo（2016 打败李世石）

• 2017：Transformer 架构横空出世（Attention is All You Need）

• 2018–2022：BERT、GPT 系列把自然语言处理彻底颠覆

• 2022–现在：ChatGPT、GPT-4、Gemini、Claude、Llama、o1 系列……大语言模型把“会聊天、会写代码、会推理”这事儿做到了让普通人都震惊的程度

但我得跟你说实话（因为我见过太多轮热潮了）：我们现在拥有的这些东西，虽然表面上很强大，但它们本质上还是超级厉害的统计模式匹配器。它们在海量数据里学会了模仿人类的语言、图像、代码，但它们没有真正理解意义、没有稳固的常识、没有对世界的因果模型、很容易在边缘情况崩溃、会一本正经地胡说八道（hallucination）。所以 AI 的历史，其实是一部人类对“智能”定义不断调整的历史。一开始我们以为智能就是逻辑推理，后来以为是专家知识，再后来以为是模式识别和大规模统计。现在很多人又开始说“也许智能就是足够大规模的模式匹配”。但我总觉得，我们可能还差了点什么——也许是类比、也许是抽象、也许是对“意义”的真正把握。咱们别急着宣布胜利，也别急着宣布失败。这段历史告诉我们：每一次大突破，都伴随着巨大的 hype 和后来的清醒。每一次冬天，都在为下一次春天攒能量。你看，现在我们站在又一个高点上。但真正的问题不是“机器会不会超过我们”，而是我们人类在试图造出“像我们一样”的东西时，到底学到了多少关于自己的事。